基于中心移动的轨迹离群点检测

作者：杨洪宁; 徐文进^*; 杜珍珍; 姚佳禹

来源：计算机系统应用, 2023, 32(12): 189-196.

DOI：10.15888/j.cnki.csa.009329

• AIS数据
• 离群点检测
• 聚类
• K近邻
• 异常值得分

AIS数据是指通过AIS系统获取的船舶运动轨迹信息,对其进行挖掘可以获得船舶的运动模式、航行路线、停靠地点等信息.但其在采集过程中产生的离群点会对聚类等任务造成负面影响,因此对AIS数据挖掘之前需要进行离群点检测.然而,当AIS轨迹数据中存在大量离群点时,会导致大多数离群点检测算法的准确率显著下降.为了解决这个问题,本文提出了一种基于中心移动的轨迹离群点检测算法(center shift outlier detection, CSOD).通过迫使数据点向其K近邻集合的中心移动,使每个数据点更加接近典型数据,从而有效地消除了离群点对聚类的影响.为了验证本文算法的有效性,使用浙江海域AIS渔船轨迹数据集,将本文提出的CSOD算法与一些经典的离群点检测算法进行了对比实验.实验结果表明, CSOD算法整体上性能更加优越.

• 出版日期2023
• 单位青岛科技大学